4.2 Validation statistique
4.2.2 Site taïga
4.1 - Comparaison des résultats aux différents sites (Tsurf et Tsol)
Introduction
Nous allons à présent présenter les résultats obtenus pour les étés 2007 et 2008 aux
différents sites d’études, en suivant le transect Ouest - Est. Une description des résultats
à chaque site est d’abord présentée, accompagnée des figures correspondantes, puis une
analyse globale à partir des différentes valeurs statistiques de RMSE et de Biais est
syn-thétisée dans un tableau, et discutée afin de mettre en valeur les améliorations dues à
la méthode d’optimisation. Les résultats présentés sur les figures dans la section 4.1puis
discuté dans la section 4.2, sont décris pour les paramètres de température de brillance
à 19 GHz en polarisation verticale, de température de surface, et de température du sol.
Nous utilisons à la fois les températures de brillance à 11 GHz et à 19 GHz en polarisation
verticale dans le processus d’optimisation, et le choix de ne présenter que les résultats à
19 GHz V tient dans le fait d’une meilleure optimisation de ceux-ci.
4.1 Comparaison des résultats aux différents sites (Tsurf et
Tsol)
4.1.1 North Slope : Etés 2007 et 2008
Les résultats obtenus au site North Slope pour les étés 2007 (figure4.1) et 2008 (figure
4.2) nous montrent respectivement des RMSE de 2.4 et 2.7 K pour la minimisation de
l’erreur sur la simulation des températures de brillance à 19 GHz en polarisation verticale,
et des RMSE de 2 et 2.3 K pour la minimisation de l’erreur sur la simulation des
tem-pératures de surface dans l’infra-rouge thermique. Les résultats de ces deux optimisations
s’accompagnent de biais négatifs allant de -0.9 K (température de surface, été 2007) à 1.7
K (température de brillance, été 2008). Du point de vue de la température du sol à 5 cm
(1ère couche de sol), les résultats sont meilleurs pour les simulations effectuées à l’été 2007
avec un RMSE de 1.3 K pour un léger biais positif de 0.7 K, contre un RMSE de 2.1 K à
l’été 2008 pour un léger biais négatif de -0.6 K.
Ces résultats montrent une nette diminution de l’erreur sur la simulation des Ts,
ob-tenue par l’optimisation des paramètresβ
air et Pr aux valeurs respectives de 0.74 et 0.42
pour l’été 2007, et de 0.82 et 0.38 pour l’été 2008. Les précipitations sont donc réduites
entre la moitié et les deux-tiers de leur valeurs d’origines, et les températures de l’air
noc-turnes sont abaissées dans une fourchette de 1 à 4 K (selon le maximum de température
à partir duquel est recalculé le cycle journalier des températures de l’air).
4.1.2 Inuvik : Etés 2007 et 2008
Les résultats obtenus au site Inuvik pour les étés 2007 (figure4.3) et 2008 (figure4.4)
nous montrent respectivement des RMSE de 2.9 et 2.7 K pour la minimisation de l’erreur
sur la simulation des températures de brillance à 19 GHz en polarisation verticale, et des
RMSE de 2.1 et 1.75 K pour la minimisation de l’erreur sur la simulation des
tempé-ratures de surface dans l’infra-rouge thermique. Les résultats de ces deux optimisations
s’accompagnent de biais négatifs allant de -0.6K (température de surface, été 2008) à -1.8
K (température de brillance, été 2007). Du point de vue de la température du sol à 5 cm
(1ère couche de sol), les résultats sont meilleurs pour les simulations effectuées à l’été 2008
Figure4.1 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2007 au
site North Slope. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASSBO) et simulées après optimisation (CLASS
AO).
avec un RMSE de 2.15 K pour un léger biais positif de 0.5 K, contre un RMSE de 3 K à
l’été 2008 pour un biais positif de 1.9 K.
Ces résultats montrent ainsi une nette diminution de l’erreur sur la simulation desTs.
Les valeurs optimisées deβ
air et de Pr sont ici respectivement de 0.72 et 0.46 pour l’été
2007, et de 0.78 et 0.44 pour l’été 2008. La correction sur les précipitation est presque
identique d’une année à l’autre, alors que les températures de l’air se voient corrigées de
manière plus prononcée à l’été 2008.
4.1.3 Daring Lake : Etés 2007 et 2008
Les résultats obtenus au site Daring Lake pour les étés 2007 (figure4.5) et 2008
(fi-gure4.6) nous montrent respectivement des RMSE de 2 et 3.1 K pour la minimisation de
l’erreur sur la simulation des températures de brillance à 19 GHz en polarisation verticale,
et des RMSE de 2.4 et 2 K pour la minimisation de l’erreur sur la simulation des
tem-pératures de surface dans l’infra-rouge thermique. Les résultats de ces deux optimisations
s’accompagnent de biais négatifs allant de -0.6K (température de surface, été 2007) à -1.8
K (température de brillance, été 2008). Du point de vue de la température du sol à 5 cm
(1ère couche de sol), les résultats sont similaires pour cette période Juillet-Août pour les
simulations effectuées aux étés 2007 et 2008, avec des RMSE de 3 K pour un léger biais
positif de 1.2 K.
L’erreur sur la simulation des Ts se trouve diminuée, grâce à une minimisation des
facteursβ
air et Pr à des valeurs de 0.84 et 0.36 pour l’été 2007, et 0.82 et 0.40 pour l’été
4.1 - Comparaison des résultats aux différents sites (Tsurf et Tsol)
Figure4.2 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2008 au
site North Slope. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS
AO).
Figure 4.3 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2007
au site Inuvik. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à 19
GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures de
surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du sol
mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS AO).
Figure 4.4 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2008
au site Inuvik. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à 19
GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures de
surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du sol
mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS AO).
2008. La correction sur les températures de l’air varie peu entre 2007 et 2008, avec un
abaissement généraal des températures de l’air nocturnes sur cette période estivale
com-pris entre 1.5 et 5K. Les précipitations sont quant à elles légèrement moins corrigées à l’été
2008.
4.1 - Comparaison des résultats aux différents sites (Tsurf et Tsol)
Figure4.5 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2007 au
site Daring Lake. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS
AO).
4.1.4 Salluit : Etés 2007 et 2008
Les résultats obtenus au site Salluit pour les étés 2007 (figure4.7) et 2008 (figure4.8)
nous montrent respectivement des RMSE de 1.8 et 2.7 K pour la minimisation de
l’er-reur sur la simulation des températures de brillance à 19 GHz en polarisation verticale,
et des RMSE de 3.8 et 3.3 K pour la minimisation de l’erreur sur la simulation des
tem-pératures de surface dans l’infra-rouge thermique. Les résultats de ces deux optimisations
s’accompagnent de biais négatifs allant de -1K (température de brillance, été 2007) à -2.4
K (température de surface, été 2008). Du point de vue de la température du sol à 5 cm
(1ère couche de sol), les résultats sont relativement semblables pour cette période
Juillet-Août pour les simulations effectuées aux étés 2007 et 2008, avec des RMSE de 3.2 K pour
un biais positif de 1.4 K à l’été 2007, et avec des RMSE de 3.5 K pour un biais de 2 K à
l’été 2008.
L’erreur sur la simulation des Ts se trouve diminuée du fait de l’optimisation des
fac-teursβ
air et Pr à des valeurs de 0.82 et 0.38 pour l’été 2007, et de 0.72 et 0.34 à l’été 2008.
On remarque que bien que la correction sur les températures de l’air est moindre à l’été
2008, celle sur les précipitations est plus importante.
Figure4.6 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2008 au
site Daring Lake. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS
AO).
Figure 4.7 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2007
au site Salluit. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à 19
GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures de
surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du sol
mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS AO).
4.1 - Comparaison des résultats aux différents sites (Tsurf et Tsol)
Figure 4.8 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2008
au site Salluit. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à 19
GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures de
surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du sol
mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS AO).
4.1.5 Goose Bay : Etés 2007 et 2008
Les résultats obtenus au site Goose Bay pour les étés 2007 (figure4.9) et 2008 (figure
4.10) nous montrent respectivement des RMSE de 3.8 et 4.1 K pour la minimisation de
l’erreur sur la simulation des températures de brillance à 19 GHz en polarisation verticale,
et des RMSE de 3.5 et 4.3 K pour la minimisation de l’erreur sur la simulation des
tem-pératures de surface dans l’infra-rouge thermique. Les résultats de ces deux optimisations
s’accompagnent de légers biais positifs allant de 0.7 K (température de brillance, été 2007)
à 1.8 K (température de surface, été 2007). Du point de vue de la température du sol à
5 cm (1ère couche de sol), les résultats sont relativement semblables pour cette période
Juillet-Août pour les simulations effectuées aux étés 2007 et 2008, avec des RMSE de 6.1
K pour un biais positif de 2.8 K à l’été 2007, et avec des RMSE de 5.7 K pour un biais de
2.2 K à l’été 2008.
Ces résultats montrent une faible diminution de l’erreur sur la simulation des Tb et
des Ts. Les facteurs β
air et Pr ont eux aussi des valeurs minimisées plus faibles que les
sites toundra, avec 0.64 et 0.48 pour l’été 2007, et 0.60 et 0.46 pour l’été 2008. Mais il est
difficile de dire si cette plus faible minimisation des facteurs d’optimisation est uniquement
due à l’environnement de Taïga, qui rend d’un point de vue satellitaire difficile la mesure
exacte et précise des températures de surface du sol.
Figure4.9 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2007 au
site Goose Bay. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS
AO).
Figure4.10 –
Résultats des optimisations des températures de l’air et des précipitations à l’été 2008
au site Goose Bay. Les 3 graphes décrivent de haut en bas la comparaison des températures de brillance à
19 GHz en polarisation verticale simulées (CLASS) et mesurée (AMSR), la comparaison des températures
de surface du sol simulées (CLASS) et mesurées (MODIS), ainsi que la comparaison des températures du
sol mesurées (Station), simulées avant optimisation (CLASS BO) et simulées après optimisation (CLASS
AO).
4.2 - Validation statistique
4.2 Validation statistique
4.2.1 Sites toundra
Le tableau4.3nous montre l’ensemble des RMSE et Biais obtenus pour les simulations
estivales effectuées aux 4 sites (Salluit, North Slope, Inuvik, et Daring Lake), suivant la
méthode d’optimisation séquentielle présentée plus tôt pour le site de Salluit. Il est possible
de remarquer une amélioration globale des variables étudiées du point de vue des RMSE,
avec des réductions du RMSE pouvant aller jusqu’à un facteur 3 (Eté 2007 à Daring Lake
pour la température du sol qui se voit réduite d’un RMSE de 8.7 à 3K), celles-ci étant
plus généralement comprises entre un facteur 1.5 et 2 (Ts réduite d’un RMSE de 5.5 à 3.1
K lors de l’été 2007 à Salluit ou encore d’un RMSE de 5.3 à 1.75 K lors de l’été 2008 à
Inuvik, mais également lesTb diminuées d’un RMSE de 5.1 à 2.4 K à l’été 2007 à North
Slope). Il est à noter des biais généralement négatifs pour les variables de Ts ptimisées,
alors qu’à l’exception du site de Daring Lake, ceux-ci étaient positif avant l’optimisation.
Ce refroidissement apparemment excessif des Tb et Ts du point de vue de la valeur des
biais calculés permet cependant une amélioration notable des Tg à 5 cm en terme de RMSE
et Biais.
Un calcul de la moyenne des résultats estivaux sur quatre différents sites et deux années
consécutives nous donne une valeur de RMSE optimisé pour les températures du sol de
2.7 K, avec un biais d’1 K, soit une réduction de l’erreur sur la température du sol de 3.4
K accompagnée d’une diminution de 1.1 K du biais.
On peut cependant se poser la question d’un sol en surface optimisé qui semble d’après
les valeurs de biais calculés trop froid par rapport aux mesures satellites, sans que cet
ex-cès de froid ne soit bien représenté à l’intérieur même de la première couche de sol. Deux
variables semblent pouvoir être responsables de tels résultats. Une mauvaise
paramétrisa-tion de l’albédo, bien que des tests de sensibilité effectués sur cette variable n’aient pas
montré un impact significatif en période estivale sur la simulation des différentes variables
de température. Une partie de ce biais pourrait également être expliquée par la
conduc-tivité thermique de la couche organique du sol (10 premiers centimètres), qui, du fait de
valeurs trop faibles de par la présence par exemple d’une trop grande quantité de matière
organique, ne permettrait par une aussi bonne représentation du refroidissement en surface
qu’espéré. Une piste à approfondir pour la réduction des biais guiderait également vers
une meilleure optimisation des précipitations NARR. La figure 3.15 montre en effet que
le minimum de RMSE est trouvé suite à une relativement faible variation de celui-ci alors
que la valeur du biais augmente. Bien qu’ayant déjà fortement contraint l’optimisation des
précipitations à travers la détermination du minimum de facteur de précipitation parmi un
ensemble de minimums ayant le biais le plus faible (ce qui a permi sur Salluit par exemple
de passer d’un biais de−1
◦
C à un biais de−0.4
◦
C), il serait intéressant lors de futures
simulations de voir à dégrader le minimum de RMSE pour s’approcher autant que possible
d’un biais nul, tout en restant dans une limite hautement acceptable en terme de RMSE.
Ces résultats s’inscrivent, ceci dit, dans l’ordre de grandeur de ce qui peut être trouvé
dans la littérature (Royer and Poirier,2010;Holmes et al.,2009).
Lorsque l’on regarde ces mêmes résultats, mais pris sur l’ensemble des séries temporelles
dont nous disposons pour chaque site (North Slope : 4 années, Inuvik : 8 années, Daring
Lake : 2 années, et Salluit : 5 années), nous retrouvons, quel que soit le site, le même
schéma d’amélioration concernant l’erreur sur la simulation des températures de surface et
des températures du sol (première couche), à savoir une diminution de 1.5 à3
◦
Cde l’erreur
Tableau4.1 –
Tableau des RMSE et Biais minimisés aux différents sites de toundra en période estivale,
pour les températures de surface du sol (LST) ainsi que les températures du sol (Tg5). Sont représentées
les valeurs de RMSE et de biais avant l’optimisation (BO) et après l’optimisation (AO) des températures
de l’air et des précipitations.
4.2 - Validation statistique
sur les températures simulées, et des biais négatifs en ce qui concerne les températures de
surface, et positifs en ce qui concerne les températures du sol.
Tableau4.2 –
Tableau des RMSE et Biais minimisés aux différents sites de toundra en période estivale
pour l’ensemble des séries temporelles disponibles, pour les températures de surface du sol (LST) ainsi que
les températures du sol (Tg5). Sont représentées les valeurs de RMSE et de biais avant l’optimisation (BO)
et après l’optimisation (AO) des températures de l’air et des précipitations.
4.2.2 Site taïga
Lorsque l’on s’attarde sur les résultats statistiques des optimisations pour le site taïga
de Goose Bay, on remarque immédiatement la plus faible amélioration de la minimisation
de l’erreur sur les températures simulées que pour les sites toundra. Que ce soit d’un
point de vue des températures de surface ou des températures du sol, la minimisation de
l’erreur est inférieure à un facteur 2, voir même à un facteur 1.5. Proportionnellement,
l’amélioration de l’erreur est plus importante pour les températures de surface que pour
les températures du sol, avec par exemple pour l’été 2007, une minimisation de l’erreur des
Ts de 5.1 à 3.5 K, alors que pour les Tg, celle-ci n’est que de 7.4 à 6.1 K. L’erreur est alors
deux fois plus importante en terme de température du sol que pour les sites toundra, alors
que l’erreur sur la température de surface, bien que supérieure également à l’erreur sur
les températures de surface simulées par CLASS des sites tourndra, reste dans des limites
acceptables.
Nous pouvons également noter une différence par rapport à la minimisation de l’erreur
sur les sites toundra, qui est que les biais concernant les températures de surface du sol sont
positifs, alors qu’ils sont généralement négatifs, voir uniquement négatifs si on regarde les
sites toundra. L’explication principale de cette faible minimisation de l’erreur peut venir
de l’environnement même du site d’étude. Nous sommes dans un environnement de taïga,
environnement forestier pour lequel les micro-ondes n’ont pas été corrigées pour optimiser
correctement les interractions entre la végétation et les ondes micro-ondes. De plus, dans
le cas des modèles de surface du type de CLASS, il est aussi très difficile de savoir si la
température de végétation modélisée est celle des feuilles, des troncs, des cimes, de l’air
ou encore de la surface du sol. Un modèle qui performe bien dans le cas de sites ouverts
ne performera pas nécessairement bien en sites de forêts (Rutter et al.,2009).
Nous pourrions pallier à ces difficultés de minimisation de l’erreur par une étude plus
approfondie de l’interraction entre les ondes micro-ondes et un couvert forestier, que ce
soit d’un point de vue général, ou au sein du modèle HUT.
Tableau 4.3 –
Tableau des RMSE et Biais minimisés au site de taïga en période estivale, pour les
températures de surface du sol (LST) ainsi que les températures du sol (Tg5). Sont représentées les valeurs
de RMSE et de biais avant l’optimisation (BO) et après l’optimisation (AO) des températures de l’air et
des précipitations.
Conclusion
La méthodologie mise en place afin, dans un premier temps, de retrouver la
tempéra-ture du sol (Tg) et de la surface (Ts) en été nous fournit des résultats cohérents avec la
littérature existante à ce sujet (Royer and Poirier,2010;Holmes et al.,2009). Les
comparai-sons effectuées avec MODIS pour les Ts et avec AMSR-E pour les Tb sont généralement
bonnes, mais la présence de biais négatifs lors de simulations estivales pose la question
d’une mauvaise paramétrisation du modèle sur ces périodes. Des efforts supplémentaires
mis sur l’analyse de l’Albédo ou une meilleure optimisation des précipitations pourrait
permettre de réduire ces biais négatifs. Nous pouvons cependant voir que nous sommes
capables, grâce à cette fusion de données micro-ondes et infra-rouge thermique, de simuler
des températures du sol à 5 cm comparables à celles mesurées en sites d’études, par une
amélioration d’un facteur 2 à 3 de l’erreur sur les simulations de ces températures du sol
et de surface du sol (le LST 2007 à Inuvik passant par exemple d’une erreur de 5.2 K à
une erreur de 1.9 K, pour un biais qui se retrouve négatif, mais plus faible que le biais
positif initial).
Par contre, les simulations effectuées sur le seul site de taïga ne donnent pas des
ré-sultats aussi bons du point de vue de l’évolution des températures du sol. L’erreur sur
la minimisation des différences entre simulé et observé se trouve être jusqu’à 6.1 K pour
l’été 2007 pour les températures du sol, températures du sol qui connaissent également
d’important biais positifs.
Le choix effectué d’optimiser sur les variables d’entrées du modèle que sont les
tempé-ratures de l’air et les précipitations, plutôt que sur les paramètres internes aux modèles
semble porter ses fruits. Cette décision reposait initialement sur une volonté de gain de
temps lors des simulations, et s’avère concluante quant à la simulation des températures
de surface et des températures du sol en période estivale en zone de toundra. Nous évitons
